รายงานวิเคราะห์ข้อมูล ThaiEDA
สร้างโดย ThaiEDA v2.0.0 · 15000 จำนวนแถว × 11 จำนวนคอลัมน์
วิธีอ่านรายงานนี้: เริ่มจากบทสรุปด้านบน แล้วดูสิ่งที่ควรทำก่อน แล้วค่อยเจาะรายละเอียดแต่ละคอลัมน์
ประเภทข้อมูลที่ตรวจพบ
ข้อมูลทะเบียน/มาสเตอร์
ข้อมูลนี้เป็นรายการ entity พร้อมคุณลักษณะ ควรเน้นความครบถ้วนและความไม่ซ้ำของระเบียน
ภาษาข้อมูลที่ตรวจพบ ผสม (ไทย + อังกฤษ)
ผลกระทบต่อการวิเคราะห์: ข้อมูลผสมไทย+อังกฤษ ควรตรวจคุณภาพและทำความสะอาดทั้งสองภาษา
ควรดูอะไรเป็นพิเศษ
- ตรวจ completeness ของ attribute สำคัญ
- ตรวจ uniqueness ของรหัส/คีย์หลัก
- ดู category distribution เพื่อหา master data ที่ผิดรูปแบบหรือกระจุกตัว
- ตรวจทั้งกติกาภาษาไทยและอังกฤษ เพราะข้อมูลมีสองภาษา
- แยกคอลัมน์ไทย/อังกฤษก่อนทำ text analytics หรือ tokenization
- ตรวจ พ.ศ., เลขไทย, encoding และรูปแบบวันที่ทั้งสองภาษา
คำแนะนำเฉพาะข้อมูลไทย
- ตรวจทั้งกติกาภาษาไทยและอังกฤษ เพราะข้อมูลมีสองภาษา
- แยกคอลัมน์ไทย/อังกฤษก่อนทำ text analytics หรือ tokenization
- ตรวจ พ.ศ., เลขไทย, encoding และรูปแบบวันที่ทั้งสองภาษา
2. สำคัญที่สุด
1
🟡 เตือน
stock
stock 4.4% อยู่ไกลจากช่วงปกติ — ควรแยกว่าเป็นเคสพิเศษจริงหรือข้อมูลผิดก่อนใช้ในโมเดล/สรุปผล
665 numeric outlier(s) detected using the modified_z_score (MAD) method (distribution skew ≈ 1.98).
ผลกระทบ 4.43%
2
🟡 เตือน
sold_count
sold_count 4.2% อยู่ไกลจากช่วงปกติ — ควรแยกว่าเป็นเคสพิเศษจริงหรือข้อมูลผิดก่อนใช้ในโมเดล/สรุปผล
629 numeric outlier(s) detected using the modified_z_score (MAD) method (distribution skew ≈ 1.98).
ผลกระทบ 4.19%
3
🟡 เตือน
price
price 2.5% มีค่าผิดปกติ — ควรตรวจก่อนนำไป forecast คำนวณยอดรวม หรือวัด performance
Local Outlier Factor flagged 255 outlier(s) on a 10,000-row sample (most anomalous factor -6.419; more negative = more anomalous).
ผลกระทบ 2.55%
4
🟡 เตือน
rating
rating 1.9% อยู่ไกลจากช่วงปกติ — ควรแยกว่าเป็นเคสพิเศษจริงหรือข้อมูลผิดก่อนใช้ในโมเดล/สรุปผล
291 numeric outlier(s) detected using the modified_z_score (MAD) method (distribution skew ≈ 1.91).
ผลกระทบ 1.94%
5
🔵 ข้อมูล
price
price 3.9% มีค่าผิดปกติ — ควรตรวจก่อนนำไป forecast คำนวณยอดรวม หรือวัด performance
580 numeric outlier(s) detected using the modified_z_score (MAD) method (distribution skew ≈ 2.00). Heavy-tailed distributions often contain valid business extremes; treat this as context, not automatically as a data defect.
ผลกระทบ 3.87%
บทสรุปผู้บริหาร
ข้อมูลใช้ต่อได้ แต่ควรตรวจจุดที่เตือนก่อนวิเคราะห์เชิงลึก
ชุดข้อมูลมี 15,000 แถว × 11 คอลัมน์ พบปัญหาคุณภาพ 1 ข้อ พบความผิดปกติ 6 จุดใน 5 คอลัมน์ วิเคราะห์อนุกรมเวลา 5 คอลัมน์ ข้อมูลใช้งานได้ แต่ควรตรวจสอบจุดที่เตือนก่อนวิเคราะห์เชิงลึก
- มีข้อมูล 15,000 แถว × 11 คอลัมน์
- ค่าว่าง 0.00% ของข้อมูลทั้งหมด
- แถวซ้ำ 0 แถว (0.00%)
- พบข้อค้นพบที่ควรดู 27 เรื่อง
- มี insight เชิงธุรกิจ 4 เรื่อง
สิ่งที่ควรทำก่อน
1
🟡 เตือน
พบค่าผิดปกติเชิงตัวเลข (outlier)
คอลัมน์ 'stock': พบค่าผิดปกติเชิงตัวเลข 665 ค่า ด้วยวิธี modified_z_score (MAD) (ความเบ้ของการกระจาย ≈ 1.98) (665 รายการ, 4.4%)
แล้วไงต่อ? ตรวจสอบค่าเหล่านี้ — อาจเป็นการกรอกผิด หน่วยไม่ตรงกัน ค่าสุดขั้วจริง หรือค่าสุดขั้วทางธุรกิจที่ถูกต้อง
2
🟡 เตือน
พบค่าผิดปกติเชิงความหนาแน่น (LOF)
คอลัมน์ 'price': Local Outlier Factor พบค่าผิดปกติ 255 ค่า (สุ่มตัวอย่าง 10,000 แถว) (ค่าผิดปกติสุด -6.419; ยิ่งติดลบมากยิ่งผิดปกติ) (255 รายการ, 2.5%)
แล้วไงต่อ? LOF จับค่าผิดปกติเชิงความหนาแน่นเฉพาะถิ่น — มีประโยชน์เมื่อสถิติรวมมองไม่เห็น
3
🟡 เตือน
การกระจายเบ้มาก
คอลัมน์ 'price' มีการกระจายเบ้ขวา (หางยาวด้านมาก) (skew=2.00) — ค่าเฉลี่ยอาจไม่สะท้อนค่ากลางที่แท้จริง
แล้วไงต่อ? พิจารณาแปลง 'price' ด้วย log/sqrt/Box-Cox ก่อนวิเคราะห์หรือสร้างโมเดล
4
🟡 เตือน
การกระจายเบ้มาก
คอลัมน์ 'rating' มีการกระจายเบ้ซ้าย (หางยาวด้านน้อย) (skew=-1.91) — ค่าเฉลี่ยอาจไม่สะท้อนค่ากลางที่แท้จริง
แล้วไงต่อ? พิจารณาแปลง 'rating' ด้วย log/sqrt/Box-Cox ก่อนวิเคราะห์หรือสร้างโมเดล
5
🟡 เตือน
การกระจายเบ้มาก
คอลัมน์ 'sold_count' มีการกระจายเบ้ขวา (หางยาวด้านมาก) (skew=1.98) — ค่าเฉลี่ยอาจไม่สะท้อนค่ากลางที่แท้จริง
แล้วไงต่อ? พิจารณาแปลง 'sold_count' ด้วย log/sqrt/Box-Cox ก่อนวิเคราะห์หรือสร้างโมเดล
ภาพรวม
จำนวนแถว
15,000
จำนวนคอลัมน์
11
เซลล์ทั้งหมด
165,000
เซลล์ที่ว่าง
0 (0.0%)
แถวซ้ำ
0
ประเภทคอลัมน์
ตัวเลข 5หมวดหมู่ 3ตัวระบุ (ID) 1ข้อความผสม 1วันที่/เวลา 1
⚠ จำกัดกราฟไว้ 40 รูป / 1.6MB (ตัด 8 รูปที่สำคัญน้อยสุด) เพื่อลดขนาดไฟล์ HTML
คอลัมน์ที่ควรระวัง
🟡 เตือน
price
- Local Outlier Factor พบค่าผิดปกติ 255 ค่า (สุ่มตัวอย่าง 10,000 แถว) (ค่าผิดปกติสุด -6.419; ยิ่งติดลบมากยิ่งผิดปกติ)
- พบค่าผิดปกติเชิงตัวเลข 580 ค่า ด้วยวิธี modified_z_score (MAD) (ความเบ้ของการกระจาย ≈ 2.00) การกระจายแบบหางยาวมักมีค่าสุดขั้วทางธุรกิจที่ถูกต้อง จึงไม่ใช่ defect ของข้อมูลเสมอไป
🟡 เตือน
stock
- พบค่าผิดปกติเชิงตัวเลข 665 ค่า ด้วยวิธี modified_z_score (MAD) (ความเบ้ของการกระจาย ≈ 1.98)
🟡 เตือน
sold_count
- พบค่าผิดปกติเชิงตัวเลข 629 ค่า ด้วยวิธี modified_z_score (MAD) (ความเบ้ของการกระจาย ≈ 1.98)
🟡 เตือน
rating
- พบค่าผิดปกติเชิงตัวเลข 291 ค่า ด้วยวิธี modified_z_score (MAD) (ความเบ้ของการกระจาย ≈ 1.91)
🔵 ข้อมูล
product_name
- พบเซลล์ที่เป็นอักษรละตินเป็นส่วนใหญ่ในคอลัมน์ที่ส่วนใหญ่เป็นภาษาไทย อาจเกิดจากการพิมพ์ผิดแป้นพิมพ์ (ลืมสลับเป็นไทย เช่น 'l;ylfu' แทน 'สวัสดี')
- ข้อความ 9 รายการมีความยาวผิดปกติ (เกิน 3σ จากความยาวเฉลี่ย 22.7)
การกระจายและสหสัมพันธ์
แผนภาพการกระจายแบบเมทริกซ์
กราฟนี้บอกอะไรเรา: ใช้ดู pattern ระหว่างตัวเลข เช่น เส้นตรง กลุ่มย่อย หรือ outlier
แผนภาพกล่อง
กราฟนี้บอกอะไรเรา: จุดที่หลุดจากกล่องคือค่าที่ควรตรวจว่าเป็น outlier จริงหรือไม่
แผนภาพไวโอลิน
กราฟนี้บอกอะไรเรา: ดูรูปทรงการกระจายว่าเบ้ มีหลายกลุ่ม หรือกระจุกตัวตรงไหน
ข้อมูลที่ขาดหาย
✓ ไม่มีข้อมูลที่ขาดหาย
ข้อค้นพบสำคัญ 13 เตือน 14 ข้อมูล
🟡 เตือน
ความผิดปกติ
พบค่าผิดปกติเชิงตัวเลข (outlier)
คอลัมน์ 'stock': พบค่าผิดปกติเชิงตัวเลข 665 ค่า ด้วยวิธี modified_z_score (MAD) (ความเบ้ของการกระจาย ≈ 1.98) (665 รายการ, 4.4%)
แล้วไงต่อ? ตรวจสอบค่าเหล่านี้ — อาจเป็นการกรอกผิด หน่วยไม่ตรงกัน ค่าสุดขั้วจริง หรือค่าสุดขั้วทางธุรกิจที่ถูกต้อง
🟡 เตือน
ความผิดปกติ
พบค่าผิดปกติเชิงตัวเลข (outlier)
คอลัมน์ 'sold_count': พบค่าผิดปกติเชิงตัวเลข 629 ค่า ด้วยวิธี modified_z_score (MAD) (ความเบ้ของการกระจาย ≈ 1.98) (629 รายการ, 4.2%)
แล้วไงต่อ? ตรวจสอบค่าเหล่านี้ — อาจเป็นการกรอกผิด หน่วยไม่ตรงกัน ค่าสุดขั้วจริง หรือค่าสุดขั้วทางธุรกิจที่ถูกต้อง
🟡 เตือน
ความผิดปกติ
พบค่าผิดปกติเชิงความหนาแน่น (LOF)
คอลัมน์ 'price': Local Outlier Factor พบค่าผิดปกติ 255 ค่า (สุ่มตัวอย่าง 10,000 แถว) (ค่าผิดปกติสุด -6.419; ยิ่งติดลบมากยิ่งผิดปกติ) (255 รายการ, 2.5%)
แล้วไงต่อ? LOF จับค่าผิดปกติเชิงความหนาแน่นเฉพาะถิ่น — มีประโยชน์เมื่อสถิติรวมมองไม่เห็น
🟡 เตือน
ความผิดปกติ
พบค่าผิดปกติเชิงตัวเลข (outlier)
คอลัมน์ 'rating': พบค่าผิดปกติเชิงตัวเลข 291 ค่า ด้วยวิธี modified_z_score (MAD) (ความเบ้ของการกระจาย ≈ 1.91) (291 รายการ, 1.9%)
แล้วไงต่อ? ตรวจสอบค่าเหล่านี้ — อาจเป็นการกรอกผิด หน่วยไม่ตรงกัน ค่าสุดขั้วจริง หรือค่าสุดขั้วทางธุรกิจที่ถูกต้อง
🟡 เตือน
การกระจาย
การกระจายเบ้มาก
คอลัมน์ 'price' มีการกระจายเบ้ขวา (หางยาวด้านมาก) (skew=2.00) — ค่าเฉลี่ยอาจไม่สะท้อนค่ากลางที่แท้จริง
แล้วไงต่อ? พิจารณาแปลง 'price' ด้วย log/sqrt/Box-Cox ก่อนวิเคราะห์หรือสร้างโมเดล
🟡 เตือน
การกระจาย
การกระจายเบ้มาก
คอลัมน์ 'rating' มีการกระจายเบ้ซ้าย (หางยาวด้านน้อย) (skew=-1.91) — ค่าเฉลี่ยอาจไม่สะท้อนค่ากลางที่แท้จริง
แล้วไงต่อ? พิจารณาแปลง 'rating' ด้วย log/sqrt/Box-Cox ก่อนวิเคราะห์หรือสร้างโมเดล
🟡 เตือน
การกระจาย
การกระจายเบ้มาก
คอลัมน์ 'sold_count' มีการกระจายเบ้ขวา (หางยาวด้านมาก) (skew=1.98) — ค่าเฉลี่ยอาจไม่สะท้อนค่ากลางที่แท้จริง
แล้วไงต่อ? พิจารณาแปลง 'sold_count' ด้วย log/sqrt/Box-Cox ก่อนวิเคราะห์หรือสร้างโมเดล
🟡 เตือน
การกระจาย
การกระจายเบ้มาก
คอลัมน์ 'stock' มีการกระจายเบ้ขวา (หางยาวด้านมาก) (skew=1.98) — ค่าเฉลี่ยอาจไม่สะท้อนค่ากลางที่แท้จริง
แล้วไงต่อ? พิจารณาแปลง 'stock' ด้วย log/sqrt/Box-Cox ก่อนวิเคราะห์หรือสร้างโมเดล
🟡 เตือน
อนุกรมเวลา
พบค่าผิดปกติเฉพาะช่วง (spike)
คอลัมน์ 'price' มีค่าผิดปกติเฉพาะช่วง 50 จุด (spike/level shift จาก residual)
แล้วไงต่อ? ตรวจสอบเหตุการณ์ในช่วงเวลาดังกล่าวของ 'price' ว่าผิดปกติจริงหรือเป็นข้อมูลพิเศษ
🟡 เตือน
อนุกรมเวลา
พบค่าผิดปกติเฉพาะช่วง (spike)
คอลัมน์ 'rating' มีค่าผิดปกติเฉพาะช่วง 50 จุด (spike/level shift จาก residual)
แล้วไงต่อ? ตรวจสอบเหตุการณ์ในช่วงเวลาดังกล่าวของ 'rating' ว่าผิดปกติจริงหรือเป็นข้อมูลพิเศษ
🟡 เตือน
อนุกรมเวลา
พบค่าผิดปกติเฉพาะช่วง (spike)
คอลัมน์ 'sold_count' มีค่าผิดปกติเฉพาะช่วง 50 จุด (spike/level shift จาก residual)
แล้วไงต่อ? ตรวจสอบเหตุการณ์ในช่วงเวลาดังกล่าวของ 'sold_count' ว่าผิดปกติจริงหรือเป็นข้อมูลพิเศษ
🟡 เตือน
อนุกรมเวลา
พบค่าผิดปกติเฉพาะช่วง (spike)
คอลัมน์ 'stock' มีค่าผิดปกติเฉพาะช่วง 50 จุด (spike/level shift จาก residual)
แล้วไงต่อ? ตรวจสอบเหตุการณ์ในช่วงเวลาดังกล่าวของ 'stock' ว่าผิดปกติจริงหรือเป็นข้อมูลพิเศษ
🟡 เตือน
อนุกรมเวลา
พบค่าผิดปกติเฉพาะช่วง (spike)
คอลัมน์ 'discount_pct' มีค่าผิดปกติเฉพาะช่วง 50 จุด (spike/level shift จาก residual)
แล้วไงต่อ? ตรวจสอบเหตุการณ์ในช่วงเวลาดังกล่าวของ 'discount_pct' ว่าผิดปกติจริงหรือเป็นข้อมูลพิเศษ
🔵 ข้อมูล
คุณภาพ
keyboard_layout_suspect
คอลัมน์ 'product_name': พบเซลล์ที่เป็นอักษรละตินเป็นส่วนใหญ่ในคอลัมน์ที่ส่วนใหญ่เป็นภาษาไทย อาจเกิดจากการพิมพ์ผิดแป้นพิมพ์ (ลืมสลับเป็นไทย เช่น 'l;ylfu' แทน 'สวัสดี') (พบ 588 แถว, 3.9%)
แล้วไงต่อ? ตรวจสอบเซลล์เหล่านี้ หากพิมพ์ผิดจริงให้แก้ด้วย clean.fix_keyboard_layout (แปลงเฉพาะเมื่อผลลัพธ์เป็นคำไทยจริง)
🔵 ข้อมูล
ความผิดปกติ
พบค่าผิดปกติเชิงตัวเลข (outlier)
คอลัมน์ 'price': พบค่าผิดปกติเชิงตัวเลข 580 ค่า ด้วยวิธี modified_z_score (MAD) (ความเบ้ของการกระจาย ≈ 2.00) การกระจายแบบหางยาวมักมีค่าสุดขั้วทางธุรกิจที่ถูกต้อง จึงไม่ใช่ defect ของข้อมูลเสมอไป (580 รายการ, 3.9%)
แล้วไงต่อ? ตรวจสอบค่าเหล่านี้ — อาจเป็นการกรอกผิด หน่วยไม่ตรงกัน ค่าสุดขั้วจริง หรือค่าสุดขั้วทางธุรกิจที่ถูกต้อง
🔵 ข้อมูล
ข้อความ
พบความยาวข้อความผิดปกติ
คอลัมน์ 'product_name': ข้อความ 9 รายการมีความยาวผิดปกติ (เกิน 3σ จากความยาวเฉลี่ย 22.7) (9 รายการ, 0.1%)
แล้วไงต่อ? ตรวจหาข้อความที่ถูกตัด ว่างเปล่า หรือถูกต่อกันหลายรายการ
🔵 ข้อมูล
ข้อความ
คำศัพท์หลากหลายต่ำ (คำซ้ำเยอะ)
คอลัมน์ 'product_name' มีคำไม่ซ้ำเพียง 0% ของคำทั้งหมด (33 จาก 24,100 คำ) — มีคำซ้ำเยอะ
แล้วไงต่อ? ข้อความใน 'product_name' อาจเป็นเทมเพลต/ข้อความซ้ำ ๆ — ตรวจสอบว่ามีคุณค่าต่อการวิเคราะห์เนื้อหาเพียงพอหรือไม่
🔵 ข้อมูล
การกระจาย
อาจมี 2 กลุ่มข้อมูล (bimodal)
คอลัมน์ 'discount_pct' มีลักษณะการแจกแจงแบบ 2 จุดยอด — อาจมีกลุ่มย่อย 2 กลุ่มปนกัน
แล้วไงต่อ? พิจารณาแยกวิเคราะห์ 'discount_pct' ตามกลุ่ม หรือหาตัวแปรที่อธิบายการแบ่งกลุ่ม
🔵 ข้อมูล
อนุกรมเวลา
ไม่พบแนวโน้มหรือ seasonality
คอลัมน์ 'price' ไม่มีแนวโน้มหรือรูปแบบตามฤดูกาลชัดเจน — อาจเป็น random walk/ข้อมูลนิ่ง
แล้วไงต่อ? การพยากรณ์ 'price' อาจใช้วิธีพื้นฐาน (naive/mean) เป็นฐานเปรียบเทียบ
🔵 ข้อมูล
อนุกรมเวลา
ไม่พบแนวโน้มหรือ seasonality
คอลัมน์ 'rating' ไม่มีแนวโน้มหรือรูปแบบตามฤดูกาลชัดเจน — อาจเป็น random walk/ข้อมูลนิ่ง
แล้วไงต่อ? การพยากรณ์ 'rating' อาจใช้วิธีพื้นฐาน (naive/mean) เป็นฐานเปรียบเทียบ
แสดงข้อค้นพบเพิ่มเติม (7)
🔵 ข้อมูล
อนุกรมเวลา
ไม่พบแนวโน้มหรือ seasonality
คอลัมน์ 'sold_count' ไม่มีแนวโน้มหรือรูปแบบตามฤดูกาลชัดเจน — อาจเป็น random walk/ข้อมูลนิ่ง
แล้วไงต่อ? การพยากรณ์ 'sold_count' อาจใช้วิธีพื้นฐาน (naive/mean) เป็นฐานเปรียบเทียบ
🔵 ข้อมูล
อนุกรมเวลา
ไม่พบแนวโน้มหรือ seasonality
คอลัมน์ 'stock' ไม่มีแนวโน้มหรือรูปแบบตามฤดูกาลชัดเจน — อาจเป็น random walk/ข้อมูลนิ่ง
แล้วไงต่อ? การพยากรณ์ 'stock' อาจใช้วิธีพื้นฐาน (naive/mean) เป็นฐานเปรียบเทียบ
🔵 ข้อมูล
อนุกรมเวลา
ไม่พบแนวโน้มหรือ seasonality
คอลัมน์ 'discount_pct' ไม่มีแนวโน้มหรือรูปแบบตามฤดูกาลชัดเจน — อาจเป็น random walk/ข้อมูลนิ่ง
แล้วไงต่อ? การพยากรณ์ 'discount_pct' อาจใช้วิธีพื้นฐาน (naive/mean) เป็นฐานเปรียบเทียบ
🔵 ข้อมูล
คุณภาพ
สรุปการทำความสะอาดข้อมูล
ทำความสะอาดแล้วรวม 773 เซลล์ — handle_missing_values 740 เซลล์, ลดอักขระซ้ำเกิน 33 เซลล์
แล้วไงต่อ? ตรวจสอบรายละเอียดก่อน/หลังในส่วน 'การทำความสะอาด' ของรายงาน
🔵 ข้อมูล
เชิงธุรกิจ
พบ outlier 272 แถวในคอลัมน์ 'price' (z-score ≥ 3.0)
คอลัมน์ 'price' มี 272 ค่าที่เป็น outlier (1.8% ของข้อมูล, max z-score=7.9, mean=2,056.2, std=2,010.8)
แล้วไงต่อ? ตรวจสอบ outlier ในคอลัมน์ 'price' — อาจเป็นค่าผิดปกติจริงหรือการกรอกผิด พิจารณา clip/transform ก่อนนำไปวิเคราะห์หรือสร้างโมเดล
🔵 ข้อมูล
เชิงธุรกิจ
พบ outlier 291 แถวในคอลัมน์ 'sold_count' (z-score ≥ 3.0)
คอลัมน์ 'sold_count' มี 291 ค่าที่เป็น outlier (1.9% ของข้อมูล, max z-score=7.8, mean=499.7, std=499.5)
แล้วไงต่อ? ตรวจสอบ outlier ในคอลัมน์ 'sold_count' — อาจเป็นค่าผิดปกติจริงหรือการกรอกผิด พิจารณา clip/transform ก่อนนำไปวิเคราะห์หรือสร้างโมเดล
🔵 ข้อมูล
เชิงธุรกิจ
พบ outlier 269 แถวในคอลัมน์ 'stock' (z-score ≥ 3.0)
คอลัมน์ 'stock' มี 269 ค่าที่เป็น outlier (1.8% ของข้อมูล, max z-score=8.0, mean=101.0, std=101.6)
แล้วไงต่อ? ตรวจสอบ outlier ในคอลัมน์ 'stock' — อาจเป็นค่าผิดปกติจริงหรือการกรอกผิด พิจารณา clip/transform ก่อนนำไปวิเคราะห์หรือสร้างโมเดล
ข้อค้นพบจากการวิเคราะห์คอลัมน์ผสม (4)
pattern_outlier
พบ outlier 272 แถวในคอลัมน์ 'price' (z-score ≥ 3.0)
จัดกลุ่มตาม:
price · ตัววัด: price · outlier
คอลัมน์ 'price' มี 272 ค่าที่เป็น outlier (1.8% ของข้อมูล, max z-score=7.9, mean=2,056.2, std=2,010.8)
แล้วไงต่อ? ตรวจสอบ outlier ในคอลัมน์ 'price' — อาจเป็นค่าผิดปกติจริงหรือการกรอกผิด พิจารณา clip/transform ก่อนนำไปวิเคราะห์หรือสร้างโมเดล
pattern_outlier
พบ outlier 291 แถวในคอลัมน์ 'sold_count' (z-score ≥ 3.0)
จัดกลุ่มตาม:
sold_count · ตัววัด: sold_count · outlier
คอลัมน์ 'sold_count' มี 291 ค่าที่เป็น outlier (1.9% ของข้อมูล, max z-score=7.8, mean=499.7, std=499.5)
แล้วไงต่อ? ตรวจสอบ outlier ในคอลัมน์ 'sold_count' — อาจเป็นค่าผิดปกติจริงหรือการกรอกผิด พิจารณา clip/transform ก่อนนำไปวิเคราะห์หรือสร้างโมเดล
pattern_outlier
พบ outlier 269 แถวในคอลัมน์ 'stock' (z-score ≥ 3.0)
จัดกลุ่มตาม:
stock · ตัววัด: stock · outlier
คอลัมน์ 'stock' มี 269 ค่าที่เป็น outlier (1.8% ของข้อมูล, max z-score=8.0, mean=101.0, std=101.6)
แล้วไงต่อ? ตรวจสอบ outlier ในคอลัมน์ 'stock' — อาจเป็นค่าผิดปกติจริงหรือการกรอกผิด พิจารณา clip/transform ก่อนนำไปวิเคราะห์หรือสร้างโมเดล
pattern_outlier
พบ outlier 295 แถวในคอลัมน์ 'rating' (z-score ≥ 3.0)
จัดกลุ่มตาม:
rating · ตัววัด: rating · outlier
คอลัมน์ 'rating' มี 295 ค่าที่เป็น outlier (2.0% ของข้อมูล, max z-score=4.5, mean=4.0, std=0.9)
แล้วไงต่อ? ตรวจสอบ outlier ในคอลัมน์ 'rating' — อาจเป็นค่าผิดปกติจริงหรือการกรอกผิด พิจารณา clip/transform ก่อนนำไปวิเคราะห์หรือสร้างโมเดล
ปัญหาคุณภาพข้อมูล (1)
🔵 ข้อมูลproduct_name · keyboard_layout_suspect
พบเซลล์ที่เป็นอักษรละตินเป็นส่วนใหญ่ในคอลัมน์ที่ส่วนใหญ่เป็นภาษาไทย อาจเกิดจากการพิมพ์ผิดแป้นพิมพ์ (ลืมสลับเป็นไทย เช่น 'l;ylfu' แทน 'สวัสดี')
Huawei กีฬา รุ่น MaxApple กีฬา รุ่น LiteXiaomi กีฬา รุ่น LiteHuawei กีฬา รุ่น MaxXiaomi กีฬา รุ่น Lite
แล้วไงต่อ? ตรวจสอบเซลล์เหล่านี้ หากพิมพ์ผิดจริงให้แก้ด้วย clean.fix_keyboard_layout (แปลงเฉพาะเมื่อผลลัพธ์เป็นคำไทยจริง)
ดูเพิ่มเติม
Cells dominated by Latin letters were found in a mostly-Thai column. They may be mistyped with the wrong keyboard layout (e.g. 'l;ylfu' for 'สวัสดี'). — Verify these cells; if mistyped, fix with clean.fix_keyboard_layout (it converts only when the result is a real Thai word).
ความผิดปกติ (6)
🟡 เตือนstock · numeric_outliers เชิงสถิติ
พบค่าผิดปกติเชิงตัวเลข 665 ค่า ด้วยวิธี modified_z_score (MAD) (ความเบ้ของการกระจาย ≈ 1.98)
402369460327618
แล้วไงต่อ? ตรวจสอบค่าเหล่านี้ — อาจเป็นการกรอกผิด หน่วยไม่ตรงกัน ค่าสุดขั้วจริง หรือค่าสุดขั้วทางธุรกิจที่ถูกต้อง
ดูเพิ่มเติม
665 numeric outlier(s) detected using the modified_z_score (MAD) method (distribution skew ≈ 1.98). — Inspect these values; they may be data-entry errors, units mismatch, genuine extremes, or valid business extremes.
🟡 เตือนsold_count · numeric_outliers เชิงสถิติ
พบค่าผิดปกติเชิงตัวเลข 629 ค่า ด้วยวิธี modified_z_score (MAD) (ความเบ้ของการกระจาย ≈ 1.98)
16561745159317511586
แล้วไงต่อ? ตรวจสอบค่าเหล่านี้ — อาจเป็นการกรอกผิด หน่วยไม่ตรงกัน ค่าสุดขั้วจริง หรือค่าสุดขั้วทางธุรกิจที่ถูกต้อง
ดูเพิ่มเติม
629 numeric outlier(s) detected using the modified_z_score (MAD) method (distribution skew ≈ 1.98). — Inspect these values; they may be data-entry errors, units mismatch, genuine extremes, or valid business extremes.
🟡 เตือนprice · local_outlier_factor เชิงสถิติ
Local Outlier Factor พบค่าผิดปกติ 255 ค่า (สุ่มตัวอย่าง 10,000 แถว) (ค่าผิดปกติสุด -6.419; ยิ่งติดลบมากยิ่งผิดปกติ)
17394.82 (LOF=-6.419)17221.05 (LOF=-6.318)17193.06 (LOF=-6.302)15393.59 (LOF=-5.279)14924.29 (LOF=-5.018)
แล้วไงต่อ? LOF จับค่าผิดปกติเชิงความหนาแน่นเฉพาะถิ่น — มีประโยชน์เมื่อสถิติรวมมองไม่เห็น
ดูเพิ่มเติม
Local Outlier Factor flagged 255 outlier(s) on a 10,000-row sample (most anomalous factor -6.419; more negative = more anomalous). — LOF finds density-based local outliers; useful when global statistics miss them.
🟡 เตือนrating · numeric_outliers เชิงสถิติ
พบค่าผิดปกติเชิงตัวเลข 291 ค่า ด้วยวิธี modified_z_score (MAD) (ความเบ้ของการกระจาย ≈ 1.91)
00000
แล้วไงต่อ? ตรวจสอบค่าเหล่านี้ — อาจเป็นการกรอกผิด หน่วยไม่ตรงกัน ค่าสุดขั้วจริง หรือค่าสุดขั้วทางธุรกิจที่ถูกต้อง
ดูเพิ่มเติม
291 numeric outlier(s) detected using the modified_z_score (MAD) method (distribution skew ≈ 1.91). — Inspect these values; they may be data-entry errors, units mismatch, genuine extremes, or valid business extremes.
🔵 ข้อมูลprice · numeric_outliers เชิงสถิติ
พบค่าผิดปกติเชิงตัวเลข 580 ค่า ด้วยวิธี modified_z_score (MAD) (ความเบ้ของการกระจาย ≈ 2.00) การกระจายแบบหางยาวมักมีค่าสุดขั้วทางธุรกิจที่ถูกต้อง จึงไม่ใช่ defect ของข้อมูลเสมอไป
8276.436664.0211489.756983.677819.95
แล้วไงต่อ? ตรวจสอบค่าเหล่านี้ — อาจเป็นการกรอกผิด หน่วยไม่ตรงกัน ค่าสุดขั้วจริง หรือค่าสุดขั้วทางธุรกิจที่ถูกต้อง
ดูเพิ่มเติม
580 numeric outlier(s) detected using the modified_z_score (MAD) method (distribution skew ≈ 2.00). Heavy-tailed distributions often contain valid business extremes; treat this as context, not automatically as a data defect. — Inspect these values; they may be data-entry errors, units mismatch, genuine extremes, or valid business extremes.
🔵 ข้อมูลproduct_name · text_length_anomaly ข้อความ
ข้อความ 9 รายการมีความยาวผิดปกติ (เกิน 3σ จากความยาวเฉลี่ย 22.7)
len=12: LGกีฬารุ่นC3len=12: LGกีฬารุ่นC3len=12: LGกีฬารุ่นC3len=12: LGกีฬารุ่นC3len=13: LGอาหารรุ่นC3
แล้วไงต่อ? ตรวจหาข้อความที่ถูกตัด ว่างเปล่า หรือถูกต่อกันหลายรายการ
ดูเพิ่มเติม
9 text(s) with abnormal length (>3σ from mean length 22.7). — Check for truncated, empty, or concatenated records.
การวิเคราะห์อนุกรมเวลา (วันที่/เวลา: listed_date)
priceความถี่: รายวัน
| แนวโน้ม | ไม่มี | ฤดูกาล | ไม่มี |
|---|---|---|---|
| ช่องว่างเวลา | 0 | ค่าผิดปกติเฉพาะช่วง | 50 |
| สหสัมพันธ์ในตัว (lag-1) | 0.0006 | ค่าเฉลี่ย | 2056.2429 |
แล้วไงต่อ?
• พบค่าผิดปกติเฉพาะช่วง (spike) 50 จุด
• ไม่พบแนวโน้มหรือ seasonality ชัดเจน — อาจเป็น random walk หรือข้อมูลนิ่ง
อนุกรมเวลา (พร้อมแนวโน้ม)
ratingความถี่: รายวัน
| แนวโน้ม | ไม่มี | ฤดูกาล | ไม่มี |
|---|---|---|---|
| ช่องว่างเวลา | 0 | ค่าผิดปกติเฉพาะช่วง | 50 |
| สหสัมพันธ์ในตัว (lag-1) | -0.0091 | ค่าเฉลี่ย | 4.054 |
แล้วไงต่อ?
• พบค่าผิดปกติเฉพาะช่วง (spike) 50 จุด
• ไม่พบแนวโน้มหรือ seasonality ชัดเจน — อาจเป็น random walk หรือข้อมูลนิ่ง
อนุกรมเวลา (พร้อมแนวโน้ม)
sold_countความถี่: รายวัน
| แนวโน้ม | ไม่มี | ฤดูกาล | ไม่มี |
|---|---|---|---|
| ช่องว่างเวลา | 0 | ค่าผิดปกติเฉพาะช่วง | 50 |
| สหสัมพันธ์ในตัว (lag-1) | -0.0017 | ค่าเฉลี่ย | 499.7034 |
แล้วไงต่อ?
• พบค่าผิดปกติเฉพาะช่วง (spike) 50 จุด
• ไม่พบแนวโน้มหรือ seasonality ชัดเจน — อาจเป็น random walk หรือข้อมูลนิ่ง
อนุกรมเวลา (พร้อมแนวโน้ม)
stockความถี่: รายวัน
| แนวโน้ม | ไม่มี | ฤดูกาล | ไม่มี |
|---|---|---|---|
| ช่องว่างเวลา | 0 | ค่าผิดปกติเฉพาะช่วง | 50 |
| สหสัมพันธ์ในตัว (lag-1) | -0.0032 | ค่าเฉลี่ย | 100.9649 |
แล้วไงต่อ?
• พบค่าผิดปกติเฉพาะช่วง (spike) 50 จุด
• ไม่พบแนวโน้มหรือ seasonality ชัดเจน — อาจเป็น random walk หรือข้อมูลนิ่ง
อนุกรมเวลา (พร้อมแนวโน้ม)
การแยกองค์ประกอบ (STL)
discount_pctความถี่: รายวัน
| แนวโน้ม | ไม่มี | ฤดูกาล | ไม่มี |
|---|---|---|---|
| ช่องว่างเวลา | 0 | ค่าผิดปกติเฉพาะช่วง | 50 |
| สหสัมพันธ์ในตัว (lag-1) | -0.0068 | ค่าเฉลี่ย | 15.0217 |
แล้วไงต่อ?
• พบค่าผิดปกติเฉพาะช่วง (spike) 50 จุด
• ไม่พบแนวโน้มหรือ seasonality ชัดเจน — อาจเป็น random walk หรือข้อมูลนิ่ง
อนุกรมเวลา (พร้อมแนวโน้ม)
การแยกองค์ประกอบ (STL)
การทำความสะอาด (3)
รวมเซลล์ที่เปลี่ยน: 773 · การดำเนินการที่มีผลมากสุด: handle_missing_values (แทน 449 ค่าว่างด้วย 0 (numeric) — 449)
| คอลัมน์ | การดำเนินการ | แถวที่ได้รับผลกระทบ | ก่อน → หลัง |
|---|---|---|---|
| price | handle_missing_values แทน 449 ค่าว่างด้วย 0 (numeric) | 449 | |
| rating | handle_missing_values แทน 291 ค่าว่างด้วย 0 (numeric) | 291 | |
| product_id | fix_repeated_chars ลดการซ้ำอักขระที่เกิน 3 ตัว (เช่น 55555 → 555, ๆๆๆ → ๆ) | 33 | P00000→P000P00001→P0001P00002→P0002P00003→P0003P00004→P0004 |
คำแนะนำการทำความสะอาด (0)
✓ ไม่มีคำแนะนำการทำความสะอาด
รายละเอียดคอลัมน์
ส่วนนี้ซ่อนไว้เป็นรายคอลัมน์เพื่อลดความรก เปิดเฉพาะคอลัมน์ที่ต้องการตรวจละเอียด
product_idตัวระบุ (ID)มีกราฟ
| ไม่ว่าง | 15,000 |
|---|---|
| เซลล์ที่ว่าง | 0 |
| ไม่ซ้ำ | 15,000 |
ความถี่ของค่า
ค่าที่พบบ่อย
| P000 | 1 |
| P0001 | 1 |
| P0002 | 1 |
| P0003 | 1 |
| P0004 | 1 |
| P0005 | 1 |
| P0006 | 1 |
| P0007 | 1 |
| P0008 | 1 |
| P0009 | 1 |
product_nameข้อความผสมมีกราฟ
| เครื่องมือตัดคำ | pythainlp:newmm | จำนวนอักขระเฉลี่ย | 22.71 |
|---|---|---|---|
| จำนวนคำเฉลี่ย | 4.82 | จำนวนอักขระมัธยฐาน | 23.0 |
| คำทั้งหมด | 24,100 | คำไม่ซ้ำ | 33 |
| อักขระน้อยสุด | 12 | อักขระมากสุด | 30 |
สุ่มตัวอย่าง: 5,000 จาก 15,000
คู่คำที่พบบ่อย: รุ่น B (865) B 2 (865) รุ่น C (864) C 3 (864) รุ่น A (846) A 1 (846) รุ่น Lite (828) รุ่น Max (807)
คำที่พบบ่อย
การกระจายความยาว
เมฆคำ
categoryหมวดหมู่มีกราฟ
| ไม่ว่าง | 15,000 |
|---|---|
| เซลล์ที่ว่าง | 0 |
| ไม่ซ้ำ | 10 |
ความถี่ของค่า
ค่าที่พบบ่อย
| กีฬา | 1,589 |
| ของเล่น | 1,572 |
| อาหาร | 1,526 |
| ของใช้ในบ้าน | 1,525 |
| เครื่องสำอาง | 1,484 |
| คอมพิวเตอร์ | 1,482 |
| เสื้อผ้า | 1,465 |
| รองเท้า | 1,465 |
| โทรศัพท์ | 1,456 |
| หนังสือ | 1,436 |
brandหมวดหมู่มีกราฟ
| ไม่ว่าง | 15,000 |
|---|---|
| เซลล์ที่ว่าง | 0 |
| ไม่ซ้ำ | 10 |
ความถี่ของค่า
ค่าที่พบบ่อย
| Samsung | 1,546 |
| Nike | 1,528 |
| Huawei | 1,526 |
| L'Oreal | 1,511 |
| Adidas | 1,507 |
| Sony | 1,500 |
| Apple | 1,484 |
| Xiaomi | 1,484 |
| Oppo | 1,477 |
| LG | 1,437 |
priceตัวเลขมีกราฟ
| ไม่ว่าง | 15,000 |
|---|---|
| เซลล์ที่ว่าง | 0 |
| ไม่ซ้ำ | 14,279 |
| ค่าเฉลี่ย | 2056.2429 |
| ส่วนเบี่ยงเบนมาตรฐาน | 2010.7764 |
| ต่ำสุด | 0.0 |
| สูงสุด | 18018.2 |
การแจกแจง
ratingตัวเลขมีกราฟ
| ไม่ว่าง | 15,000 |
|---|---|
| เซลล์ที่ว่าง | 0 |
| ไม่ซ้ำ | 40 |
| ค่าเฉลี่ย | 4.054 |
| ส่วนเบี่ยงเบนมาตรฐาน | 0.8943 |
| ต่ำสุด | 0.0 |
| สูงสุด | 5.0 |
การแจกแจง
sold_countตัวเลขมีกราฟ
| ไม่ว่าง | 15,000 |
|---|---|
| เซลล์ที่ว่าง | 0 |
| ไม่ซ้ำ | 1,994 |
| ค่าเฉลี่ย | 499.7034 |
| ส่วนเบี่ยงเบนมาตรฐาน | 499.4608 |
| ต่ำสุด | 0.0 |
| สูงสุด | 4375.0 |
การแจกแจง
stockตัวเลขมีกราฟ
| ไม่ว่าง | 15,000 |
|---|---|
| เซลล์ที่ว่าง | 0 |
| ไม่ซ้ำ | 568 |
| ค่าเฉลี่ย | 100.9649 |
| ส่วนเบี่ยงเบนมาตรฐาน | 101.6226 |
| ต่ำสุด | 0.0 |
| สูงสุด | 914.0 |
การแจกแจง
discount_pctตัวเลขมีกราฟ
| ไม่ว่าง | 15,000 |
|---|---|
| เซลล์ที่ว่าง | 0 |
| ไม่ซ้ำ | 9 |
| ค่าเฉลี่ย | 15.0217 |
| ส่วนเบี่ยงเบนมาตรฐาน | 14.401 |
| ต่ำสุด | 0.0 |
| สูงสุด | 50.0 |
การแจกแจง
seller_provinceหมวดหมู่มีกราฟ
| ไม่ว่าง | 15,000 |
|---|---|
| เซลล์ที่ว่าง | 0 |
| ไม่ซ้ำ | 10 |
ความถี่ของค่า
ค่าที่พบบ่อย
| อุบลราชธานี | 1,563 |
| นนทบุรี | 1,535 |
| เชียงใหม่ | 1,530 |
| สุราษฎร์ธานี | 1,519 |
| ขอนแก่น | 1,487 |
| กรุงเทพฯ | 1,486 |
| ชลบุรี | 1,486 |
| ภูเก็ต | 1,485 |
| นครราชสีมา | 1,466 |
| พิษณุโลก | 1,443 |
listed_dateวันที่/เวลา
| ไม่ว่าง | 15,000 |
|---|---|
| เซลล์ที่ว่าง | 0 |
| ไม่ซ้ำ | 365 |
| ต่ำสุด | 2024-01-01 00:00:00 |
| สูงสุด | 2024-12-30 00:00:00 |